হোয়াট-ইফ টুল (ডব্লিউআইটি) ব্ল্যাক-বক্স শ্রেণীবিভাগ এবং রিগ্রেশন এমএল মডেলগুলির বোঝার প্রসারিত করার জন্য একটি সহজে ব্যবহারযোগ্য ইন্টারফেস প্রদান করে। প্লাগইনের সাহায্যে, আপনি উদাহরণের একটি বড় সেটের উপর অনুমান করতে পারেন এবং বিভিন্ন উপায়ে ফলাফলগুলিকে অবিলম্বে কল্পনা করতে পারেন। অতিরিক্তভাবে, উদাহরণগুলি ম্যানুয়ালি বা প্রোগ্রাম্যাটিকভাবে সম্পাদনা করা যেতে পারে এবং পরিবর্তনের ফলাফলগুলি দেখার জন্য মডেলের মাধ্যমে পুনরায় চালানো যেতে পারে। এটিতে একটি ডেটাসেটের উপসেটগুলির উপর মডেলের কার্যকারিতা এবং ন্যায্যতা তদন্তের জন্য টুলিং রয়েছে৷
টুলটির উদ্দেশ্য হল লোকেদেরকে একটি সহজ, স্বজ্ঞাত, এবং শক্তিশালী উপায়ে প্রশিক্ষিত এমএল মডেলগুলিকে একটি ভিজ্যুয়াল ইন্টারফেসের মাধ্যমে অন্বেষণ এবং তদন্ত করার জন্য দেওয়া যা একেবারে কোন কোডের প্রয়োজন নেই৷
টুলটি টেনসরবোর্ডের মাধ্যমে বা সরাসরি জুপিটার বা কোলাব নোটবুকে অ্যাক্সেস করা যেতে পারে। নোটবুক মোডে WIT ব্যবহার করার জন্য আরও গভীরতার বিবরণ, ডেমো, ওয়াকথ্রু এবং তথ্যের জন্য, কী-ইফ টুল ওয়েবসাইট দেখুন।
প্রয়োজনীয়তা
TensorBoard এ WIT ব্যবহার করার জন্য দুটি জিনিস প্রয়োজন:
- আপনি যে মডেল(গুলি) অন্বেষণ করতে চান তা অবশ্যই টেনসরফ্লো সার্ভিং ব্যবহার করে শ্রেণীবদ্ধ, রিগ্রেস বা পূর্বাভাস API ব্যবহার করে পরিবেশন করা উচিত।
- মডেলগুলি দ্বারা অনুমান করা ডেটাসেটটি টেনসরবোর্ড ওয়েব সার্ভার দ্বারা অ্যাক্সেসযোগ্য একটি TFRecord ফাইলে থাকা আবশ্যক৷
ব্যবহার
TensorBoard-এ What-If টুল ড্যাশবোর্ড খোলার সময়, আপনি একটি সেটআপ স্ক্রীন দেখতে পাবেন যেখানে আপনি মডেল সার্ভারের হোস্ট এবং পোর্ট, পরিবেশিত মডেলের নাম, মডেলের ধরন এবং TFRecords ফাইলের পাথ প্রদান করবেন। বোঝা. এই তথ্যটি পূরণ করার পরে এবং "স্বীকার করুন" ক্লিক করার পরে, WIT ডেটাসেট লোড করবে এবং ফলাফলগুলি প্রদর্শন করে মডেলের সাথে অনুমান চালাবে।
WIT-এর বিভিন্ন বৈশিষ্ট্য এবং তারা কীভাবে মডেল বোঝার এবং ন্যায্যতা তদন্তে সহায়তা করতে পারে সে সম্পর্কে বিশদ বিবরণের জন্য, What-If Tool ওয়েবসাইটে ওয়াকথ্রু দেখুন।
ডেমো মডেল এবং ডেটাসেট
আপনি যদি প্রাক-প্রশিক্ষিত মডেলের সাথে টেনসরবোর্ডে WIT পরীক্ষা করতে চান তবে আপনি https://storage.googleapis.com/what-if-tool-resources/uci-census থেকে একটি প্রাক-প্রশিক্ষিত মডেল এবং ডেটাসেট ডাউনলোড এবং আনজিপ করতে পারেন -demo/uci-census-demo.zip মডেলটি হল একটি বাইনারি শ্রেণীবিভাগের মডেল যা UCI সেন্সাস ডেটাসেট ব্যবহার করে ভবিষ্যদ্বাণী করে যে একজন ব্যক্তি বছরে $50ka এর বেশি আয় করে কিনা। এই ডেটাসেট এবং ভবিষ্যদ্বাণী টাস্ক প্রায়শই মেশিন লার্নিং মডেলিং এবং ন্যায্যতা গবেষণায় ব্যবহৃত হয়।
আপনার মেশিনে ফলাফল মডেল ডিরেক্টরির অবস্থানে পরিবেশ পরিবর্তনশীল MODEL_PATH সেট করুন।
অফিসিয়াল ডকুমেন্টেশন অনুসরণ করে ডকার এবং টেনসরফ্লো সার্ভিং ইনস্টল করুন।
docker run -p 8500:8500 --mount type=bind,source=${MODEL_PATH},target=/models/uci_income -e MODEL_NAME=uci_income -t tensorflow/serving মনে রাখবেন আপনার ডকার সেটআপের উপর নির্ভর করে আপনাকে sudo দিয়ে কমান্ড চালানোর প্রয়োজন হতে পারে।
এখন টেনসরবোর্ড চালু করুন এবং What-If টুলে নেভিগেট করতে ড্যাশবোর্ড ড্রপ-ডাউন ব্যবহার করুন।
সেটআপ স্ক্রিনে, অনুমান ঠিকানাটি "localhost:8500" এ সেট করুন, মডেলের নাম "uci_income" এবং ডাউনলোড করা adult.tfrecord ফাইলের সম্পূর্ণ পাথের উদাহরণের পথ, তারপর "স্বীকার করুন" টিপুন।
এই ডেমোতে What-If টুলের সাথে চেষ্টা করার জন্য কিছু জিনিস অন্তর্ভুক্ত:
- একটি একক ডেটাপয়েন্ট সম্পাদনা করা এবং ফলাফলের অনুমানের পরিবর্তন দেখা।
- আংশিক নির্ভরতা প্লটের মাধ্যমে ডেটাসেটের পৃথক বৈশিষ্ট্য এবং মডেলের অনুমানের মধ্যে সম্পর্ক অন্বেষণ করা।
- ডেটাসেটকে উপসেটে স্লাইস করা এবং স্লাইসের মধ্যে পারফরম্যান্সের তুলনা করা।
টুলের বৈশিষ্ট্যগুলি গভীরভাবে দেখার জন্য, কী-ইফ টুল ওয়াকথ্রু দেখুন।
এই মডেলটি যে ডেটাসেটের গ্রাউন্ড ট্রুথ ফিচারটি ভবিষ্যদ্বাণী করার চেষ্টা করছে সেটিকে "টার্গেট" নাম দেওয়া হয়েছে, তাই "পারফরম্যান্স এবং ফেয়ারনেস" ট্যাব ব্যবহার করার সময়, "টার্গেট" হল যা আপনি গ্রাউন্ড ট্রুথ ফিচার ড্রপডাউনে উল্লেখ করতে চান।